sklearn中make_blobs的用法詳情

sklearn中的make_blobs函數主要是為瞭生成數據集的，具體如下：

1.調用make_blobs

from sklearn.datasets import make_blobs

2.make_blobs的用法

data, label = make_blobs(n_features=2, n_samples=100, centers=3, random_state=3, cluster_std=[0.8, 2, 5])

• n_features表示每一個樣本有多少特征值
• n_samples表示樣本的個數
• centers是聚類中心點的個數，可以理解為label的種類數
• random_state是隨機種子，可以固定生成的數據
• cluster_std設置每個類別的方差

下面舉例說明：

'''創建訓練的數據集'''
from sklearn.datasets import make_blobs
data, label = make_blobs(n_features=2, n_samples=100, centers=2, random_state=2019, cluster_std=[0.6,0.7] )

看看生成的數據集：

data有2個特征（n_features=2），樣本個數是100（n_samples=100）

再看看生成的label：

label隻有0或者1（centers=2），維度是100

random_state給定數值後，每次生成的數據集就是固定的，方便後期復現，默認的是每次隨機生成，要註意一下！！

好瞭，這樣我們就擁有瞭一個自己想要的數據集，然後就可以開始後續的一些工作瞭！！！！

到此這篇關於sklearn中make_blobs的用法詳情的文章就介紹到這瞭,更多相關sklearn中make_blobs的用法內容請搜索WalkonNet以前的文章或繼續瀏覽下面的相關文章希望大傢以後多多支持WalkonNet！

推薦閱讀：

• 使用Python和scikit-learn創建混淆矩陣的示例詳解
• Python集成學習之Blending算法詳解
• python 如何通過KNN來填充缺失值
• 人工智能——K-Means聚類算法及Python實現
• Python實現DBSCAN聚類算法並樣例測試